Ändringslogg – Release 2026.06¶

Med Release 2026.06 tar digna ett stort steg framåt inom automatisering, extensibilitet och plattformsanvändbarhet.
Denna utgåva introducerar det nya digna Python SDK, officiellt Docker-stöd, en uppfräschad dashboard-upplevelse och förbättrad portabilitet för hantering av valideringsregler.

Se releasen¶

What's New in digna | The Major Release of 2026 — en genomgång av den här releasen på dignas YouTube-kanal.

Nya funktioner¶

digna Python SDK – Automatisera allt med Python¶

Installera via:
```
pip install digna-sdk
```
Hantera och automatisera digna programmatisk med Python
Skapa och konfigurera projekt via kod
Trigga inspektioner och monitoreringsexekveringar
Hantera dataset, regler och konfigurationer programmatisk
Profilera tabeller och extrahera metadata-insikter
Exportera profilering och resultat för datakvalitet till externa repositoryn och system
Integrera med notebooks, orkestreringsverktyg och CI/CD-pipelines

Påverkan: Möjliggör full infrastruktur-som-kod och djup automatisering av arbetsflöden för datakvalitet och observability med Python.

Docker-stöd – Förenklad distribution och drift¶

Officiellt Docker-image-stöd för digna
Snabb och konsekvent uppsättning över miljöer
Förenklad onboarding för utveckling, test och produktion
Enkel integration med Kubernetes och containerplattformar
Förbättrad portabilitet och reproducerbarhet av distributioner

Påverkan: Gör digna enklare att distribuera och drifta i moderna cloud-native arkitekturer.

QueryMode – Flexibel strategi för SQL-exekvering¶

Konfigurera frågeexekveringsstrategi: Single eller Combined-läge

Single Mode: Varje statistik beräknas med en dedikerad SQL-fråga

Idealiskt för stora datakällor där minnesbegränsningar är ett problem
Förhindrar resursuttömning i kombinerade frågor (out of memory, spool-gränser)
Högre antal frågor men lägre minnesavtryck per fråga

Combined Mode: Alla statistiker beräknas inom en enda SQL-fråga

Minskar totalt antal frågor och nätverksöverhead
Optimerar prestanda när datakällor är hanterbara i minnet
Mer effektivt vid frekventa, parallella exekveringar

Påverkan: Ger användare finjusterad kontroll över frågeexekvering för att balansera prestanda, resursanvändning och minnessäkerhet baserat på deras datakällors egenskaper.

Konfigurerbar prediktionsmodell¶

Modellen bakom avvikelsedetekteringen väger nu konkurrerande förklaringar av varje serie mot varandra – ett mönster kombinerat med en tolkning av de senaste observationerna – och blandar deras prognoser efter hur starkt stöd var och en har. Ett enskilt extremvärde kan inte längre läcka in i de efterföljande prediktionerna.

Två inställningar på datakällans nya flik Model styr den, var och en från 0.0 till 1.0 med 0.5 som standard:

Break Sensitivity – hur snabbt ett hopp till en ny nivå eller en trend som vänder godtas i stället för att behandlas som extremvärden
Model Complexity – hur mycket struktur modellen letar efter, från kalendereffekter och ett enskilt nivåskifte upp till okända cykler, effekter kopplade till dag i månaden och månatliga nollställningar

Båda kan när som helst återställas till sina standardvärden. Se Modellinställningar för hur var och en verkar.

Påverkan: Ger användare kontroll över själva prediktionsmodellen, vid sidan av de befintliga inställningarna Sensitivity och Memory för toleransbandet, som nu finns på fliken Thresholds.

Styrning av avvikelsenotifieringar¶

Ny flik Notifications i datakällans avvikelseinställningar:
Minimum Alerts – hur många misslyckade kontroller (inte osäkra) en inspektion behöver innan en notifiering skickas (standard 1)
Pause After Notification (Days) – hur länge en prenumeration förblir tyst efter att ha notifierat om datakällan (standard 0, ingen paus)

Omdesignad dashboard-upplevelse¶

Moderniserad och förbättrad UI/UX-design
Klarare navigation och struktur
Bättre synlighet av monitoreringsresultat och insikter om datakvalitet
Förbättrad läsbarhet för larm, statistik och dashboards
Snabbare åtkomst till viktig operationell information

Påverkan: Förbättrar användbarheten och den dagliga produktiviteten för alla användare.

Utökad import & export för valideringsregler¶

Förbättrad import/export-funktionalitet för valideringsregler
Enklare migrering mellan miljöer och projekt
Förbättrad återanvändning av standardiserade regelsamlingar
Bättre styrning av regler och livscykelhantering
Förenklad samarbete mellan team

Påverkan: Möjliggör skalbar och konsekvent styrning av datakvalitet i hela organisationen.

Plattformförbättringar¶

Full Python SDK-integration för automatisering
Containeriserad distribution via Docker
Förbättrad UX genom omdesignad dashboard
Utökad portabilitet för valideringslogik

Vem gynnas av denna release¶

Dataingenjörer: automatisering, SDK-användning, pipeline-integration
Plattformsteam: förenklad distribution via Docker
Data Governance-team: återanvändbar hantering av valideringsregler
Analysteam: förbättrad användbarhet och bättre synlighet av insikter

CLI-uppdateringar¶

Lagt till stöd för SDK-integration
Förbättrade import/export-arbetsflöden
Allmänna stabilitets- och prestandaförbättringar